Apa itu bias kognitif? Bias kognitif adalah kesalahan sistematis dan dapat diprediksi dalam penilaian yang dihasilkan oleh jalan pintas mental yang digunakan orang di bawah ketidakpastian.

Bias kognitif adalah kesalahan sistematis dan dapat diprediksi dalam penilaian yang dihasilkan oleh jalan pintas mental yang digunakan orang untuk membuat keputusan di bawah ketidakpastian. Program penelitian modern dimulai dengan makalah Amos Tversky dan Daniel Kahneman tahun 1974 di Science, yang menggambarkan tiga heuristik — representativitas, ketersediaan, dan penyesuaian dari jangkar — dan menyimpulkan bahwa heuristik ini sangat ekonomis dan biasanya efektif, tetapi menyebabkan kesalahan sistematis dan dapat diprediksi. Kahneman menerima Penghargaan Sveriges Riksbank dalam Ilmu Ekonomi 2002 karena mengintegrasikan penelitian psikologis ke dalam ilmu ekonomi; Tversky telah meninggal pada tahun 1996 dan penghargaan ini tidak diberikan secara anumerta. Tiga istilah sering kali disamakan. Heuristik adalah jalan pintas itu sendiri, dan biasanya adaptif. Bias kognitif adalah kesalahan sistematis yang dihasilkan oleh jalan pintas tersebut. Fallacy logis adalah cacat dalam struktur argumen daripada dalam penilaian. Dan noise, subjek buku Kahneman, Sibony, dan Sunstein tahun 2021, adalah variabilitas yang tidak diinginkan dalam penilaian terhadap masalah yang sama — penyebaran daripada kesalahan arah — yang ditemukan dalam studi asuransi mereka menghasilkan premi median untuk pelanggan fiktif identik bervariasi sebesar 55 persen. Bias yang paling penting untuk keputusan organisasi adalah bias konfirmasi, penjangkaran, ketersediaan, kepercayaan berlebihan dan presisi berlebihan, fallacy perencanaan, bias status quo, framing, bias pandangan ke belakang, bias korespondensi atau kesalahan atribusi fundamental, biaya yang terbenam, pengabaian tingkat dasar, dan pola Dunning-Kruger. Bukti untuk ini bervariasi secara substansial dalam kekuatan, dan perlakuan yang jujur itu penting: penjangkaran insidental dari angka acak gagal direplikasi dalam Many Labs 2, demonstrasi frekuensi huruf dari ketersediaan dirusak oleh Sedlmeier, Hertwig, dan Gigerenzer pada tahun 1998, pengabaian tingkat dasar sangat bergantung pada format, dan efek Dunning-Kruger sebagian besar merupakan artefak statistik dari regresi ke rata-rata daripada defisit metakognitif. Deplesi ego, umpan balik wajah melalui paradigma pena di mulut, priming sosial, dan pose kekuasaan semuanya gagal dalam replikasi besar. Di sisi solusi, kesadaran saja tidak berhasil: Pronin, Lin, dan Ross menemukan peserta bersikeras bahwa penilaian diri mereka akurat setelah membaca deskripsi bias yang mempengaruhi mereka. Apa yang berhasil adalah struktural — agregasi mekanis dari penilaian mengungguli penilaian klinis dalam meta-analisis Grove dan rekan-rekannya dari 136 studi, pelatihan debiasing dengan praktik dan umpan balik bertahan selama berbulan-bulan dan dapat diterapkan di lingkungan profesional, mempertimbangkan kebalikan mengurangi penjangkaran bahkan di antara para ahli, dan peramalan kelas referensi melawan fallacy perencanaan cukup baik sehingga HM Treasury memerlukan penyesuaian bias optimisme yang eksplisit. Argumentree menangani ini secara struktural daripada dengan seruan: pengajuan independen sebelum diskusi menghilangkan jangkar dan audiens, setiap argumen membawa buktinya dan dapat dinilai berdasarkan merit daripada berdasarkan penulisnya, dan catatan keputusan yang diberi cap waktu memungkinkan keputusan dinilai kemudian berdasarkan apa yang diketahui pada saat itu.

Apa itu bias kognitif?

Apa itu Bias Kognitif?

Sebuah bias kognitif adalah kesalahan sistematis dan dapat diprediksi dalam penilaian — bukan ketidakakuratan acak, tetapi kesalahan yang condong ke arah yang sama setiap kali. Keterdugaan itu adalah kabar baik: kesalahan yang dapat Anda antisipasi adalah kesalahan yang dapat Anda rancang untuk dihindari.

Terakhir diperbarui: 2026-08-25

Singkatnya

Bias muncul dari heuristik — jalan pintas yang dijelaskan oleh Tversky dan Kahneman sebagai "sangat ekonomis dan biasanya efektif" tepat karena mereka bekerja sebagian besar waktu. Di bawah ini adalah dua belas yang paling penting untuk keputusan organisasi, masing-masing dengan studi kanoniknya, contoh bisnis, dan status replikasi yang jujur — karena beberapa temuan terkenal tidak bertahan dalam dekade terakhir, dan halaman referensi yang menyembunyikan itu bukanlah halaman referensi. Perbaikan yang berhasil bersifat struktural, bukan motivasional: memberi tahu orang tentang bias adalah intervensi terlemah dalam literatur.

Bias, heuristik, kesalahan, kebisingan — empat hal yang berbeda

Ini digunakan secara bergantian dan mereka tidak dapat dipertukarkan. Memisahkan keduanya adalah sebagian besar nilai praktis di halaman ini.

Program penelitian dimulai dengan makalah Amos Tversky dan Daniel Kahneman tahun 1974 di Science, yang menyebutkan tiga heuristik — representativitas, ketersediaan, dan penyesuaian dari sebuah jangkar — dan menarik kesimpulan yang masih membingkai bidang ini: "Heuristik ini sangat ekonomis dan biasanya efektif, tetapi mereka menyebabkan kesalahan yang sistematis dan dapat diprediksi." Kahneman menerima Hadiah Nobel Memorial dalam Ilmu Ekonomi 2002 untuk karya ini; Tversky telah meninggal pada tahun 1996, dan hadiah tersebut tidak diberikan secara anumerta.

  • Heuristik — jalan pintas itu sendiri. Biasanya adaptif, itulah sebabnya ia tidak terlihat. Menilai risiko berdasarkan seberapa mudah contoh muncul dalam pikiran adalah sebuah heuristik.
  • Bias kognitif — kesalahan sistematis yang dihasilkan oleh jalan pintas. Arah yang sama, setiap kali, yang membuatnya dapat dirancang di sekitarnya.
  • Kesalahan logika — sebuah cacat dalam struktur argumen daripada dalam penilaian. Dikotomi palsu adalah sebuah kesalahan; pengikatan adalah sebuah bias. 7 Perangkap Argumen kami adalah tempat di mana keduanya bertemu dalam sebuah pertemuan. Dan ketika sebuah kesalahan digunakan secara sengaja daripada dilakukan secara tidak sengaja, itu bertransformasi menjadi sebuah taktik debat — lapisan keempat yang bersifat adversarial dari peta ini.
  • Kebisingan — yang paling diabaikan oleh konten bias, dan penekanan Kahneman sendiri di kemudian hari. Kebisingan adalah variabilitas yang tidak diinginkan dalam penilaian terhadap masalah yang sama: menyebar daripada condong. Bias adalah tembakan Anda yang mendarat di sebelah kiri pusat; kebisingan adalah mereka mendarat di mana-mana. Dalam studi asuransi di balik Kebisingan (2021), premi median yang ditetapkan secara independen untuk lima pelanggan fiktif yang sama bervariasi sebesar 55 persen — lima kali lipat dari yang diharapkan oleh penjamin emisi dan eksekutif mereka.

Dua belas yang penting untuk keputusan

Setiap entri: apa itu, keputusan di mana itu menggigit, apa yang sebenarnya didukung oleh bukti, dan apa yang berubah ketika penalaran disusun. Status replikasi dinyatakan dengan jelas — beberapa di antaranya lebih lemah daripada reputasinya, dan dua temuan paling terkenal dalam psikologi yang berdekatan gagal secara langsung.

1. Bias konfirmasi

Mencari dan menimbang bukti yang mendukung apa yang sudah Anda pikirkan. Di mana masalahnya: daftar vendor yang disusun setelah seseorang secara pribadi memutuskan, di mana setiap panggilan referensi mengonfirmasi daripada menguji.
Bukti: Tugas penemuan aturan Wason tahun 1960 adalah asalnya, meskipun kesimpulan beliau sendiri diterapkan pada subgrup yang bertahan setelah dua atau lebih kesalahan. Klayman dan Ha (1987) merumuskannya sebagai strategi pengujian positif yang normatif baik di sebagian besar lingkungan — Anda tidak tidak rasional karena mencari di tempat yang Anda harapkan untuk menemukan sesuatu. Meta-analisis Hart dan rekan-rekannya tahun 2009 di Psychological Bulletin menempatkan bias kesesuaian pada d = 0.36, dan itu berbalik ketika informasi yang membantah benar-benar berguna.
Di Argumentree: cabang kontra tidak bersifat opsional. Sebuah klaim tanpa kasus tandingan yang tercatat terlihat tidak lengkap daripada tidak ditantang secara diam-diam, dan sebuah rantai pertanyaan mengaitkan tantangan dengan klaim tepat yang diperselisihkan.

2. Penjagaan

Angka pertama yang disebutkan menetapkan rentang yang diperdebatkan semua orang. Di mana dampaknya: siapa pun yang menyebutkan angka anggaran, penilaian, atau tanggal pengiriman terlebih dahulu telah mengubah setiap estimasi berikutnya.
Bukti: Demonstrasi Tversky dan Kahneman pada tahun 1974 memiliki estimasi median 25 versus 45 untuk jumlah yang sama setelah jangkar 10 dan 65. Banyak Labs 1 mereplikasi jangkar dengan kuat — tetapi menggunakan jangkar yang diberikan. Jangkar insidental dari angka acak gagal di Banyak Labs 2 (d = 0.04, p = .09, N = 6,826). Jadi: jangkar yang disengaja menggerakkan orang; angka sembarangan di lingkungan sebagian besar tidak.
Di Argumentree: posisi diajukan secara independen sebelum diskusi, jadi tidak ada angka pertama untuk dijadikan jangkar. Jangkar membutuhkan audiens, dan masukan asinkron menghilangkannya.

3. Ketersediaan

Menilai seberapa mungkin sesuatu terjadi berdasarkan seberapa mudah contoh muncul dalam pikiran. Di mana dampaknya: pemadaman kuartal lalu mendominasi daftar risiko sementara risiko yang lebih besar dan lambat yang tidak ada ceritanya tidak terdaftar.
Bukti: terpisah, dan penting untuk mengetahui setengah mana. Demonstrasi frekuensi huruf yang terkenal telah dikurangi — Sedlmeier, Hertwig, dan Gigerenzer (1998) menemukan bahwa penilaian umumnya mengikuti proporsi yang sebenarnya. Mekanisme kemudahan pengambilan bertahan: meta-analisis Weingarten dan Hutchinson pada tahun 2018 di 263 studi menemukan efek sedang, meskipun bias publikasi menguranginya hingga sepertiga.
Di Argumentree: argumen membawa buktinya, jadi anekdot yang jelas dan tingkat dasar berdampingan dan dinilai secara terpisah — dan garis waktu menunjukkan kapan masing-masing masuk ke dalam diskusi.

4. Terlalu percaya diri — dan terutama terlalu tepat

Makalah Moore dan Healy tahun 2008 di Psychological Review membagi ini menjadi tiga: melebih-lebihkan skor Anda, melebih-lebihkan posisi Anda dibandingkan orang lain, dan overprecision — terlalu yakin bahwa estimasi Anda benar. Di mana dampaknya: rentang pengiriman yang terlalu sempit, sehingga setiap rencana di bawahnya mewarisi presisi yang salah.
Bukti: overprecision adalah yang paling kuat. Soll dan Klayman menemukan interval kepercayaan "kadang-kadang hanya 40% sebesar yang diperlukan untuk dikalibrasi dengan baik." Melebih-lebihkan dan melebih-lebihkan posisi terbalik dengan kesulitan tugas — tugas yang sulit menghasilkan melebih-lebihkan tetapi underplacement — dan efek sulit-mudah itu sendiri sebagian merupakan artefak regresi (Juslin et al. 2000).
Di Argumentree: penilaian ada pada argumen, bukan pernyataan, jadi klaim yang percaya diri dengan bukti yang tipis mendapatkan skor seperti bukti yang tipis.

5. Kesalahan perencanaan

Meremehkan waktu penyelesaian sendiri sambil menilai waktu orang lain secara realistis. Di mana dampaknya: setiap migrasi, integrasi, dan tanggal peluncuran yang pernah Anda tetapkan.
Bukti: kuat di lapangan. Flyvbjerg dan rekan-rekannya (2002) memeriksa 258 proyek transportasi senilai sekitar US$90 miliar dan menemukan biaya yang diperkirakan lebih rendah dalam sekitar sembilan dari sepuluh — kereta api +45%, tautan tetap +34%, jalan +20%. Buehler, Griffin, dan Ross (1994) adalah asal laboratorium, dan yang perlu dicatat adalah bias tersebut dihilangkan ketika peserta dipaksa untuk menghubungkan estimasi dengan pengalaman masa lalu. Peringatan yang perlu diperhatikan: tinjauan Halkjelsvik dan Jørgensen pada tahun 2012 menemukan bahwa meremehkan dominan dalam literatur teknik dan manajemen tetapi tidak dalam literatur psikologi.
Dalam Argumentree: estimasi menjadi klaim dengan bukti yang terlampir — termasuk kelas referensi — daripada angka yang dinyatakan dalam rapat perencanaan.

6. Bias status quo

Menyukai pengaturan saat ini, dan menganggap "tidak melakukan apa-apa" sebagai netral daripada sebagai pilihan dengan konsekuensi. Di mana dampaknya: vendor yang ada diperpanjang karena beralih memerlukan justifikasi dan tetap tidak.
Bukti: di antara yang terkuat di sini. Samuelson dan Zeckhauser (1988) menjalankan 486 subjek dan menemukan bahwa hanya 28% peserta TIAA-CREF yang pernah mengubah alokasi mereka. Meta-analisis Jachimowicz dan rekan-rekannya tahun 2019 tentang efek default di 58 dataset (n = 73.675) melaporkan d = 0,68 [0,53, 0,83], dan Madrian dan Shea menemukan partisipasi 401(k) bergerak dari 37% ke 86% hanya dengan perubahan default.
Dalam Argumentree: "menjaga apa yang kita miliki" dimasukkan sebagai opsi dengan pro dan kontra sendiri, sehingga bersaing berdasarkan bukti alih-alih menang dengan tidak ada di agenda.

7. Pembingkaian

Fakta yang sama yang dijelaskan sebagai keuntungan atau kerugian menghasilkan pilihan yang berbeda. Di mana dampaknya: "tingkat keberhasilan 90%" dan "tingkat kegagalan 10%" adalah angka yang sama dan tidak diterima dengan cara yang sama.
Bukti: kuat dalam arah, kira-kira setengah dari magnitudo asli. Banyak Labs 1 mereplikasi item penyakit Asia Tversky dan Kahneman: asli d = 1.13 → replikasi d = 0.62 (N = 6.271). Banyak Labs 2 mereplikasi item berbeda dari makalah yang sama tahun 1981 — asli OR 4.96 → OR 2.06 (N = 7.228). Kedua hal ini sering disamakan; mereka adalah studi yang berbeda. Meta-analisis Kühberger dari 136 makalah menyebutkan bahwa framing dapat diandalkan dan berukuran kecil hingga sedang.
Dalam Argumentree: kriteria keputusan ditulis sebelum opsi dibingkai, dan sebuah klaim dapat dinyatakan sekali dan ditantang dalam kedua bingkai daripada bertahan pada presentasi.

8. Bias pandangan ke belakang

Setelah Anda mengetahui hasilnya, Anda percaya bahwa Anda sudah mengetahuinya sejak awal. Di mana itu menggigit: post-mortem yang menjadi pencarian siapa yang seharusnya melihatnya, yang mengajarkan semua orang untuk lebih diam lain kali.
Bukti: kuat, besaran diperdebatkan. Fischhoff (1975) menunjukkan bahwa pengetahuan hasil meningkatkan kemungkinan yang dinilai dan bahwa orang-orang sebagian besar tidak menyadari pergeseran tersebut. Meta-analisis tidak setuju tentang ukuran: Christensen-Szalanski dan Willham (122 studi) melaporkan r = .17; Guilbault dan rekan-rekannya (95 studi) melaporkan median sekitar .39 — dan menemukan manipulasi pengurangan bias sebagian besar tidak efektif.
Dalam Argumentree: catatan keputusan diberi cap waktu, sehingga tinjauan dapat menilai keputusan berdasarkan bukti yang ada pada saat itu alih-alih berdasarkan hasil yang muncul kemudian.

9. Bias korespondensi (kesalahan atribusi fundamental)

Menjelaskan perilaku berdasarkan karakter sambil mengabaikan situasi. Di mana dampaknya: proyek gagal karena pemimpin lemah — bukan karena proses memberikan mereka tenggat waktu yang ditetapkan oleh pengikatan dan rencana yang disetujui melalui konsensus.
Bukti: solid dalam paradigma. Jones dan Harris (1967) menemukan atribusi sikap bertahan bahkan ketika posisi esai ditugaskan daripada dipilih. Banyak Labs 2 berhasil mereplikasi studi bias korespondensi — d asli = 1,75, replikasi d = 1,82, salah satu hasil yang lebih kuat dalam set tersebut. Secara lintas budaya, ini melemah daripada menghilang.
Dalam Argumentree: argumen dinilai, orang tidak. Itulah seluruh prinsip desain, dan itu adalah jawaban struktural langsung untuk bias ini.

10. Biaya yang sudah dikeluarkan

Menghitung pengeluaran masa lalu yang tidak dapat dipulihkan dalam keputusan saat ini. Di mana dampaknya: proyek dipertahankan karena apa yang telah dikonsumsinya.
Bukti: nyata tetapi moderat, dan langkah-langkahnya diperdebatkan. Arkes dan Blumer (1985) menemukan 85% memilih untuk menyelesaikan pesawat yang sudah diketahui inferior. Meta-analisis Sleesman dan rekan-rekannya menempatkan biaya yang terbenam pada ρ = .243 — sebanding dengan, tidak lebih besar dari, tanggung jawab pribadi. Analisis 2025 menemukan vignette biaya terbenam klasik memiliki konsistensi internal yang buruk (ω = 0.14–0.57), jadi perlakukan temuan vignette tunggal dengan hati-hati. Perhatikan juga bahwa dalam studi teater Arkes dan Blumer sendiri, efeknya hadir di paruh pertama musim dan pada dasarnya hilang di paruh kedua.
Dalam Argumentree: kriteria keluar dapat dicatat ketika proyek disetujui, sehingga tinjauan membaca dokumen daripada mengulang penilaian rekan — lihat eskalasi komitmen.

11. Pengabaian suku bunga dasar

Menilai seberapa baik sebuah kasus cocok dengan stereotip sambil mengabaikan seberapa umum hal itu sebenarnya. Di mana dampaknya: "kesepakatan ini terasa seperti yang kita menangkan" — tanpa tingkat kemenangan.
Bukti: kuat sebagai demonstrasi, dan sangat tergantung format, yang merupakan bagian yang dapat ditindaklanjuti. Casscells dan rekan-rekannya (1978) menemukan hanya 18% dari staf medis memberikan jawaban yang benar sementara 45% salah dengan faktor hampir lima puluh; Manrai dan rekan-rekannya mengulangnya 36 tahun kemudian dengan hasil yang hampir identik (23% benar, 44% memberikan jawaban salah yang sama). Namun Gigerenzer dan Hoffrage menunjukkan respons yang benar meningkat dari sekitar 16% menjadi 46–50% ketika masalah yang sama diajukan dalam frekuensi alami daripada probabilitas.
Dalam Argumentree: bukti dilampirkan pada klaim yang didukungnya, sehingga tingkat dasar hadir sebagai argumen daripada diingat — atau tidak — oleh siapa pun yang kebetulan mengetahuinya.

12. Pola Dunning-Kruger

Klaim bahwa yang paling tidak kompeten adalah yang paling percaya diri. Di mana itu menggigit: kepastian yang paling keras di ruangan dimiliki oleh orang yang memiliki dasar paling sedikit untuk itu.
Bukti — dan yang ini perlu perhatian. Pola deskriptif terulang: pelaku dengan kinerja rendah memang memperkirakan diri mereka terlalu tinggi. Penjelasan sebagian besar tidak. Nuhfer dan rekan-rekannya mereproduksi bentuk grafik klasik dari angka acak; Gignac dan Zajenkowski (2020, N = 929) menemukan hubungan yang pada dasarnya linier dan efeknya jauh lebih kecil dari yang dilaporkan; McIntosh dan rekan-rekannya menemukan bahwa ketika kesulitan tugas disamakan, pola tersebut dihilangkan — tingkat kinerja, bukan defisit metakognitif, adalah pendorongnya. Secara adil, Pennycook dan Jansen serta rekan-rekannya menemukan bahwa pelaku dengan kinerja rendah kurang mampu mengevaluasi jawaban mereka sendiri.
Ringkasan jujur: orang memperkirakan diri mereka terlalu tinggi, tetapi sebagian besar grafik terkenal adalah regresi ke rata-rata ditambah lebih baik dari rata-rata. Jangan kutip itu sebagai hukum.
Dalam Argumentree: kepercayaan diri bukanlah input penilaian. Penilaian melekat pada bukti argumen, jadi kepastian tidak memiliki bobot yang belum diperolehnya.

Apa yang sebenarnya mengurangi bias — dan apa yang hanya terlihat seolah-olah menguranginya

Di sinilah sebagian besar pekerjaan bias korporat salah, karena intervensi intuitif adalah yang terlemah dalam literatur. Buktinya terpisah dengan jelas.

Tidak berhasil: memberi tahu orang tentang bias

Intervensi yang paling banyak dibeli memiliki dukungan paling sedikit. Pronin, Lin, dan Ross (2002) menemukan bahwa peserta "bersikeras bahwa penilaian diri mereka akurat dan objektif bahkan setelah membaca deskripsi tentang bagaimana mereka bisa terpengaruh oleh bias yang relevan." Orang lebih mudah melihat bias pada orang lain daripada pada diri mereka sendiri — itulah titik buta bias, dan pelatihan kesadaran langsung bertabrakan dengan hal itu.

Tidak berhasil: menunjuk seorang advokat setan

Nemeth dan rekan-rekannya (2001) menemukan bahwa penugasan advokasi setan mendorong pemikiran "yang terutama ditujukan untuk penguatan kognitif dari sudut pandang awal," dan bahwa minoritas yang otentik lebih unggul dibandingkan dengan ketiga varian yang dimainkan peran. Ketidaksepakatan yang nyata tidak dapat dikloning dengan menugaskan seseorang untuk melakukannya — meskipun memberikan perlindungan kepada para penentang yang tulus adalah langkah yang berbeda dan lebih baik.

Bekerja: penilaian independen sebelum diskusi

Kumpulkan posisi secara tertulis, secara terpisah, sebelum ada yang mendengar orang lain. Ini adalah perbaikan struktural termurah di halaman, dan ini meredakan pengikatan, bukti sosial, dan penghormatan terhadap otoritas dalam satu langkah — masing-masing memerlukan audiens dan urutan berbicara untuk berfungsi.

Karya: agregasi mekanis

Item yang paling terbukti di sini. Meta-analisis Grove dan rekan-rekannya dari 136 studi menemukan bahwa prediksi mekanis sekitar 10% lebih akurat daripada penilaian klinis rata-rata, dan keunggulan ini konsisten "terlepas dari tugas penilaian, jenis juri, jumlah pengalaman juri, atau jenis data yang digabungkan." Menggabungkan penilaian terstruktur mengalahkan diskusi yang berakhir dengan perasaan.

Karya: pertimbangkan yang sebaliknya

Secara aktif berargumen di sisi lain lebih efektif daripada mendorong orang untuk bersikap adil — Lord, Lepper, dan Preston (1984) menemukan bahwa itu lebih baik daripada instruksi untuk bersikap seobjektif mungkin, dan Mussweiler serta rekan-rekannya mengurangi pengaruh acuan dalam pengaturan dunia nyata dengan para ahli dengan mencantumkan argumen yang menentang acuan tersebut. Secara struktural, itulah yang dimaksud dengan cabang kontra.

Bekerja: pelatihan dengan praktik dan umpan balik

Tidak seperti kesadaran semata, pelatihan yang sebenarnya memiliki dampak. Morewedge dan rekan-rekannya (2015) menemukan bahwa intervensi satu sesi menghasilkan perbaikan yang bertahan selama dua bulan, dan Sellier, Scopelliti, dan Morewedge (2019) menunjukkan transfer ke lingkungan profesional yang nyata — peserta yang dilatih memiliki kemungkinan 19% lebih rendah untuk memilih opsi yang mengonfirmasi tetapi inferior.

Karya: kelas referensi, bukan optimisme segar

Melawan kesalahan perencanaan, dasarkan perkiraan pada proyek selesai yang sebanding daripada pada rencana proyek ini. Pedoman Buku Hijau HM Treasury secara eksplisit memerlukannya: penilai "cenderung terlalu optimis," sehingga penyesuaian "harus didasarkan pada data dari proyek masa lalu atau serupa."

Dan ukur kebisingan, bukan hanya bias

Jika dua penilai Anda memberikan skor yang berbeda untuk proposal yang sama, tidak ada jumlah pengurangan bias yang akan membantu — itu adalah kebisingan, dan itu memerlukan skala yang sama dan penilaian independen daripada niat yang lebih baik. Itu juga tidak terlihat sampai seseorang secara sengaja menjalankan kasus yang sama kepada dua orang.

Perhatikan bentuk daftar kerja: tidak ada yang meminta siapa pun untuk lebih objektif. Setiap item yang efektif mengubah urutan di mana hal-hal terjadi, apa yang dicatat, atau apa yang digabungkan — yang merupakan apa yang dimaksud dengan pohon argumen yang terstruktur. Kontribusi Argumentree bukanlah seminar pengurangan bias; melainkan bahwa pengajuan independen, bukti yang dilampirkan pada klaim, penilaian terhadap argumen daripada pengargumen, dan catatan yang diberi cap waktu adalah empat intervensi struktural yang sebenarnya didukung oleh bukti, berjalan secara default alih-alih berdasarkan disiplin.

Jelajahi lebih lanjut

Pertanyaan yang sering diajukan

Apa itu bias kognitif?

Sebuah kesalahan penilaian yang sistematis dan dapat diprediksi yang dihasilkan oleh jalan pintas mental yang digunakan orang di bawah ketidakpastian. Ciri khasnya adalah bahwa kesalahan ini condong secara konsisten ke satu arah daripada menyebar secara acak, yang memungkinkan untuk merancang suatu proses yang mengkompensasi kesalahan tersebut. Makalah Tversky dan Kahneman tahun 1974 di Science menetapkan kerangka: heuristik sangat ekonomis dan biasanya efektif, tetapi mereka menyebabkan kesalahan yang sistematis dan dapat diprediksi.

Apa perbedaan antara bias kognitif, heuristik, dan kesalahan logika?

Heuristik adalah jalan pintas mental itu sendiri dan biasanya bersifat adaptif. Bias kognitif adalah kesalahan sistematis yang dihasilkan oleh jalan pintas tersebut. Fallacy logis adalah cacat dalam struktur argumen daripada dalam penilaian — dikotomi palsu adalah sebuah fallacy, sementara pengikatan adalah sebuah bias. Istilah keempat, kebisingan, adalah variabilitas daripada kesalahan: inkonsistensi yang tidak diinginkan antara penilaian terhadap masalah yang sama.

Apa perbedaan antara bias dan noise?

Bias adalah kesalahan arah — tembakan Anda mendarat secara konsisten di sebelah kiri target. Noise adalah penyebaran — mereka mendarat di mana-mana. Buku Kahneman, Sibony, dan Sunstein tahun 2021 berargumen bahwa organisasi menghabiskan banyak uang untuk bias sambil mengabaikan noise, yang seringkali lebih besar dan lebih mudah diperbaiki. Dalam studi asuransi mereka, premi median yang ditetapkan secara independen untuk lima pelanggan fiktif yang sama bervariasi sebesar 55%, sekitar lima kali lipat dari yang diharapkan oleh penjamin emisi dan eksekutif.

Bias kognitif mana yang paling penting untuk keputusan bisnis?

Dua belas yang ada di halaman ini: bias konfirmasi, penetapan, ketersediaan, kepercayaan diri berlebihan dan ketepatan berlebihan, kesalahan perencanaan, bias status quo, pembingkaian, bias pandangan ke belakang, bias korespondensi, biaya yang terbenam, pengabaian tingkat dasar, dan pola Dunning-Kruger. Mereka mendapatkan tempatnya karena masing-masing mencerminkan kegagalan organisasi yang berulang — daftar pendek yang hanya mengonfirmasi, angka pertama yang menetapkan rentang, pembaruan yang tidak ada yang membenarkan, post-mortem yang mencari pelaku.

Apakah efek Dunning-Kruger itu nyata?

Polanya nyata; penjelasan yang populer tidak. Pelaku dengan kinerja rendah memang melebih-lebihkan diri mereka, tetapi banyak dari grafik terkenal tersebut dihasilkan oleh regresi menuju rata-rata dan efek lebih baik dari rata-rata — Nuhfer dan rekan-rekannya menghasilkan bentuk grafik yang sama dari angka acak, Gignac dan Zajenkowski menemukan hubungan yang pada dasarnya linier dengan efek yang jauh lebih kecil, dan McIntosh serta rekan-rekannya menghilangkan pola tersebut dengan menyamakan kesulitan tugas. Anggaplah ini sebagai kecenderungan deskriptif, bukan sebagai hukum metakognitif.

Apakah ada bias kognitif terkenal yang gagal direplikasi?

Ya, dan halaman referensi yang jujur seharusnya menyebutkan hal itu. Deplesi ego gagal dalam replikasi terdaftar (d = 0,04 di 23 laboratorium). Paradigma umpan balik wajah dengan pena di mulut gagal dalam replikasi 17 laboratorium. Priming sosial dan pose kekuasaan keduanya gagal. Penambatan insidental dari angka acak gagal di Many Labs 2, dan demonstrasi frekuensi huruf dari ketersediaan dirusak pada tahun 1998. Secara lebih luas, Kolaborasi Ilmu Terbuka mereplikasi 36% dari 100 studi psikologi, dan Many Labs 2 mereplikasi 15 dari 28 dengan ukuran efek median turun dari 0,60 menjadi 0,15.

Apakah mempelajari bias kognitif membantu Anda menghindarinya?

Hampir tidak, sendiri — dan ini adalah temuan praktis yang paling penting di sini. Pronin, Lin, dan Ross menemukan bahwa peserta bersikeras bahwa penilaian diri mereka akurat bahkan setelah membaca deskripsi tentang bias yang tepat mempengaruhi mereka. Pelatihan yang mencakup praktik dan umpan balik berbeda: itu bertahan selama berbulan-bulan dan dapat diterapkan di lingkungan profesional yang nyata. Namun, sebuah slide deck yang mencantumkan bias adalah salah satu intervensi terlemah yang tersedia.

Apa yang sebenarnya mengurangi bias kognitif dalam keputusan kelompok?

Perubahan struktural daripada yang motivasional. Kumpulkan penilaian secara independen sebelum diskusi, sehingga penetapan dan bukti sosial tidak memiliki audiens. Gabungkan penilaian terstruktur secara mekanis — meta-analisis Grove dari 136 studi menemukan prediksi mekanis sekitar 10% lebih akurat daripada penilaian klinis. Minta kasus yang berlawanan untuk diargumenkan secara eksplisit. Gunakan kelas referensi daripada optimisme baru untuk ramalan. Dan simpan catatan yang diberi cap waktu sehingga keputusan dinilai berdasarkan apa yang diketahui pada saat itu.

Bagaimana Argumentree membantu mengatasi bias kognitif?

Dengan menjalankan empat intervensi struktural yang didukung bukti secara default. Argumen dapat diajukan secara independen sebelum diskusi, yang menghilangkan jangkar dan audiens. Setiap klaim membawa buktinya, sehingga tingkat dasar dan anekdot yang jelas terlihat berdampingan. Penilaian melekat pada argumen daripada pada orang, sehingga kepercayaan diri dan senioritas tidak memiliki bobot yang belum mereka peroleh. Dan catatan keputusan dicap waktu, sehingga tinjauan selanjutnya dapat menilai proses berdasarkan informasi yang tersedia pada saat itu daripada berdasarkan hasilnya.

Referensi & bacaan lebih lanjut

Tversky, A., & Kahneman, D. (1974). Penilaian di Bawah Ketidakpastian: Heuristik dan Bias. Sains, 185(4157), 1124–1131.

Makalah pendirian: representativitas, ketersediaan, dan penyesuaian dari sebuah jangkar.

View source →

Kahneman, D., & Tversky, A. (1979). Teori Prospek: Analisis Keputusan di Bawah Risiko. Econometrica, 47(2), 263–291.

Nilai yang diberikan pada keuntungan dan kerugian daripada aset akhir; probabilitas digantikan oleh bobot keputusan.

View source →

Kahneman, D., Sibony, O., & Sunstein, C. R. (2021). Kebisingan: Sebuah Kelemahan dalam Penilaian Manusia.

Kebisingan sebagai variabilitas yang tidak diinginkan dalam penilaian terhadap masalah yang sama — perbedaan yang paling sering diabaikan dalam pekerjaan bias.

Moore, D. A., & Healy, P. J. (2008). Masalah dengan kepercayaan diri yang berlebihan. Tinjauan Psikologis, 115(2), 502–517.

Pembagian tiga arah: overestimation, overplacement, overprecision.

View source →

Flyvbjerg, B., Holm, M. S., & Buhl, S. (2002). Meremehkan Biaya dalam Proyek Pekerjaan Umum. Jurnal Asosiasi Perencanaan Amerika.

258 proyek, sekitar US$90 miliar: biaya diperkirakan terlalu rendah dalam sekitar sembilan dari sepuluh.

Jachimowicz, J. M., Duncan, S., Weber, E. U., & Johnson, E. J. (2019). Kapan dan mengapa default mempengaruhi keputusan: sebuah meta-analisis efek default. Kebijakan Publik Perilaku.

d = 0,68 [0,53, 0,83] di 58 dataset, n = 73.675.

Klein, R. A., et al. (2014). Menyelidiki Variasi dalam Replikasi: Proyek Replikasi 'Many Labs'. Psikologi Sosial.

Mereplikasi item kerangka penyakit Asia: d asli = 1,13 → d replikasi = 0,62 (N = 6.271).

View source →

Klein, R. A., et al. (2018). Banyak Laboratorium 2. Kemajuan dalam Metode dan Praktik dalam Ilmu Psikologi, 1(4), 443–490.

15 dari 28 temuan direplikasi; median d turun dari 0,60 menjadi 0,15. Penambatan insidental gagal (d = 0,04).

View source →

Open Science Collaboration (2015). Memperkirakan reproduktifitas ilmu psikologi. Science, 349(6251).

36% dari 100 replikasi mencapai signifikansi dibandingkan dengan 97% dari yang asli.

View source →

Hagger, M. S., et al. (2016). Replikasi Preregistered Multilab dari Efek Ego-Depletion. Perspektif pada Ilmu Psikologi.

d = 0.04, 95% CI [−0.07, 0.15] di 23 laboratorium.

Gignac, G. E., & Zajenkowski, M. (2020). Efek Dunning-Kruger adalah (sebagian besar) artefak statistik. Kecerdasan, 80, 101449.

Pada dasarnya hubungan linier; efeknya jauh lebih kecil daripada yang dilaporkan.

View source →

Pronin, E., Lin, D. Y., & Ross, L. (2002). Titik Buta Bias. Buletin Psikologi Kepribadian dan Sosial, 28(3), 369–381.

Penilaian diri dipertahankan bahkan setelah membaca deskripsi tentang bias yang relevan.

View source →

Grove, W. M., Zald, D. H., Lebow, B. S., Snitz, B. E., & Nelson, C. (2000). Prediksi klinis versus mekanis: sebuah meta-analisis. Penilaian Psikologis, 12(1), 19–30.

136 studi; prediksi mekanis sekitar 10% lebih akurat, konsisten di seluruh jenis tugas dan penilai.

View source →

Sellier, A.-L., Scopelliti, I., & Morewedge, C. K. (2019). Pelatihan Mengurangi Bias Meningkatkan Pengambilan Keputusan di Lapangan. Ilmu Psikologi.

Peserta yang terlatih 19% lebih kecil kemungkinannya untuk memilih opsi yang mengonfirmasi tetapi inferior.

View source →

Nemeth, C., Brown, K., & Rogers, J. (2001). Advokat setan versus ketidaksetujuan yang autentik. Jurnal Eropa Psikologi Sosial.

Penugasan advokasi setan memperkuat pandangan awal; perbedaan pendapat yang otentik mengalahkan ketiga varian tersebut.

View source →

HM Treasury. Panduan tambahan Buku Hijau: bias optimisme.

Memerlukan penyesuaian eksplisit berdasarkan data dari proyek masa lalu atau proyek serupa.

View source →

Rancang prosesnya, bukan orangnya

Pengajuan independen sebelum diskusi, bukti dilampirkan pada setiap klaim, penilaian pada argumen daripada penulis, dan catatan bertanggal — empat intervensi struktural yang didukung oleh bukti, berjalan secara default.

Mulai Gratis — Tanpa Kartu Kredit